Incorporating Recurrent Reinforcement Learning into Model Predictive Control for Adaptive Control in Autonomous Driving
University of Freiburg（弗赖堡大学）；Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR））
针对MPC依赖精确动力学模型且静态参数难以应对扰动的问题，本文提出MPC-RRL，将控制建模为POMDP并用循环强化学习持续自适应模型参数，在CARLA中验证了鲁棒性。
2023-04-27 cs.AI cs.LG cs.RO
Slot-MPC: Goal-Conditioned Model Predictive Control with Object-Centric Representations
Autonomous Intelligent Systems（自主智能系统）；Computer Science Institute VI（计算机科学研究所VI）；Intelligent Systems and Robotics（智能系统与机器人）；Center for Robotics（机器人中心）；Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔人工智能学习与智能研究所）；University of Bonn, Germany（波恩大学，德国）
Slot-MPC通过模型预测控制实现目标中心表示的规划，利用可微分的世界模型提升任务性能和规划效率，优于非目标中心世界模型基线。
2026-05-14 cs.AI cs.LG cs.RO
Unsupervised Predictive Memory in a Goal-Directed Agent
DeepMind（深度思维）
动物执行目标导向的行为，尽管其传感器的范围和范围有限。为了应对，他们探索环境并储存记忆，保持对目前不可用的重要信息的估计。最近，通过将强化学习（RL）算法与深度神经网络相结合，人工智能（AI）代理已经取得了进展，这些代理学习从感官输入中执行任务，甚至在人类水平上，围绕这些结果的兴奋导致了对相关想法的追求，作为非人类动物学习的解释。然而，我们证明了当代RL算法很难解决简单的任务时，足够的信息是隐藏的传感器的代理，一个属性称为“部分可观察性”。处理部分观察任务的一个明显的要求是访问大量的内存，但我们表明内存是不够的，正确的信息以正确的格式存储是至关重要的。我们开发了一个模型，记忆，RL和推理网络（MERLIN），其中记忆的形成是由预测建模过程指导的。MERLIN有助于解决在3D虚拟现实环境中的任务，其中部分可观测性是严重的，并且必须在长时间内保持存储器。我们的模型展示了一个单一的学习代理架构，可以解决心理学和神经生物学中的典型行为任务，而无需对感官输入的维度或体验的持续时间进行强简化假设。
2018-03-28 cs.LG stat.ML
Predictive Coding for Decision Transformer
School of Electrical Engineering, KAIST (Korea Advanced Institute of Science and Technology)（韩国科学技术院电气工程学院）
针对决策Transformer在目标条件强化学习中因回报条件低效而难以学习时间组合性的问题，提出预测编码框架PCDT，利用广义未来条件结合过去与未来因素进行决策，显著提升了泛化性能与离线任务表现。
2025-04-03 cs.LG
Stein Variational Goal Generation for adaptive Exploration in Multi-Goal Reinforcement Learning
Sorbonne Université（索邦大学）；Univ Angers（昂热大学）
针对多目标强化学习中目标空间不连续、奖励稀疏导致目标难达的问题，提出基于Stein变分梯度下降的SVGG方法，采样适配智能体能力的中等难度目标，提升困难探索任务的成功率与环境变化后的恢复能力。
2023-05-02 cs.LG
Why Goal-Conditioned Reinforcement Learning Works: Relation to Dual Control
Department of Chemical and Biomolecular Engineering, University of California, Berkeley, CA 94720 USA（化学与生物分子工程系，加州大学伯克利分校，CA 94720 USA）
本文分析了目标条件强化学习与最优控制的关系，揭示了经典目标条件奖励与传统二次目标之间的优化差距，并验证了目标条件策略在非线性和不确定环境中的优势。
2026-05-14 cs.AI cs.LG
AI Agentic workflows and Enterprise APIs: Adapting API architectures for the age of AI agents
Equinix（Equinix公司）；IBM（IBM公司）
本研究针对生成式AI催生的自主智能体对企业API的挑战，系统分析现有架构不足，提出支持智能体工作流的API转型战略框架与概念模型，为未来企业计算架构提供指导。
2025-01-22 cs.AI cs.SE
General Dynamic Goal Recognition using Goal-Conditioned and Meta Reinforcement Learning
Department of Computer Science, Bar Ilan University（巴伊兰大学计算机科学系）；Department of Computer Science, Tufts University（塔夫茨大学计算机科学系）
本文提出两种方法，通过目标条件化和元强化学习实现动态环境下的目标识别，提升系统在变化和噪声中的适应能力与识别精度。
2026-01-04 cs.AI cs.RO
Accelerating Learning in Constructive Predictive Frameworks with the Successor Representation
University of Alberta（阿尔伯塔大学）
在这里，我们提出使用后继表示（SR），以加速学习的建设性知识系统的基础上，一般价值函数（GVF）。在非结构化和动态环境的机器人等现实环境中，由于复杂性和规模，手工建模系统及其环境的所有有意义的方面是不可行的。相反，机器人必须能够学习和适应环境和任务的变化，根据自己的经验逐步构建模型。GVF来自强化学习（RL）领域，是一种将世界建模为预测问题的方法。这种模式的一种方法是建立一个相互关联和相互依存的全球价值链的庞大网络，这些网络随着时间的推移而逐渐增加。如果学习过程利用了从过去经验中获得的知识，那么可以合理地预期新的、增量添加的预测可以更快地学习。SR提供了这样一种将世界的动态与预测目标分离的手段，从而捕获可以在多个GVF中重用的动态。作为这项工作的主要贡献，我们表明，使用SR为基础的预测可以提高样本效率和学习速度在持续学习设置，新的预测是增量添加和学习随着时间的推移。我们分析了我们的方法在网格世界，然后展示其潜力的数据从物理机器人手臂。
2018-03-23 cs.AI cs.LG stat.ML
Goal Recognition over Imperfect Domain Models
Pontifical Catholic University of Rio Grande do Sul（南里奥格兰德天主教会大学）；University of Melbourne（墨尔本大学）
目标识别是通过观察自主智能体或人类在环境中的行为来识别其预期目标的问题。在过去的几年里，大多数现有的方法来目标和计划识别一直忽视了需要处理的不完善的领域模型，正式的环境中，自主智能体的行为。在这篇论文中，我们介绍了不完美领域模型上的目标识别问题，并提出了明确处理两种不同类型的不完美领域模型的解决方案：（1）不完全离散的领域模型，它在动作描述中有可能的，而不是已知的，前提条件和效果;以及（2）近似连续领域模型，其中过渡函数是根据过去的观测值近似的，并且不是良好定义的。我们开发了新的目标识别方法，不完善的域模型，利用和适应现有的识别方法，从文献。这两种类型的不完美域模型的实验和评估表明，我们的新的目标识别方法是准确的，从文献中的基线方法相比，在几个层次的可观察性和不完善。
2020-05-12 cs.AI
Will artificial agents pursue power by default?
June 2025（2025年6月）
本文用决策论框架形式化工具性趋同与权力寻求，指出权力趋同论有一定道理但预测力受限，不过对可能获得绝对权力的智能体更具预测意义。
2025-06-02 cs.AI cs.CY
Visual Foresight: Model-Based Deep Reinforcement Learning for Vision-Based Robotic Control
Georgia Institute of Technology（佐治亚理工学院）；Twentieth Century Fox（二十世纪福克斯公司）；Starfleet Academy（星际舰队学院）
深度强化学习（RL）算法可以从原始的感官输入中学习复杂的机器人技能，但尚未实现深度学习方法在监督领域中所展示的广泛推广和适用性。我们提出了一种深度RL方法，该方法适用于现实世界的机器人任务，例如机器人操作，并有效地推广到从未见过的任务和对象。在这些环境中，地面真实奖励信号通常不可用，因此我们提出了一种基于自监督模型的方法，其中预测模型学习直接从原始感官读数（如相机图像）预测未来。在测试时，我们探索三种不同的目标规范方法：指定像素，其中用户指定所需的对象操作任务，通过选择特定的像素在图像和相应的目标位置，目标图像，其中所需的目标状态指定的图像，和图像分类器，定义空间的目标状态。我们的深度预测模型是使用机器人与数百个对象交互而自主和连续收集的数据进行训练的，无需人工监督。我们证明了视觉MPC可以推广到以前从未见过的对象-刚性和可变形-并使用相同的模型解决一系列用户定义的对象操作任务。
2018-12-03 cs.AI cs.CV cs.LG
Adaptive digital twins for predictive decision-making: Online Bayesian learning of transition dynamics
MOX – Dipartimento di Matematica, Politecnico di Milano（MOX——数学系，米兰理工大学）；Dipartimento di Ingegneria Civile e Ambientale, Politecnico di Milano（土木工程与环境工程系，米兰理工大学）；Mathematics Department, Emory University（埃默里大学数学系）
本文提出通过概率图模型实现数字孪生状态转移模型的自适应学习，利用动态贝叶斯网络建模物理与虚拟域的双向交互，通过贝叶斯更新实现转移动力学的分层在线学习，提升数字孪生的个性化、鲁棒性和成本效益。
2026-07-08 cs.LG cs.NA math.NA
Floyd-Warshall Reinforcement Learning: Learning from Past Experiences to Reach New Goals
The University of Michigan（密歇根大学）；Purdue University（普渡大学）
考虑涉及静态环境和动态目标的多目标任务。这类任务的例子比比皆是，比如目标导向导航和机器人中的拾取和放置。两种类型的强化学习（RL）算法用于此类任务：无模型或基于模型。这些方法中的每一种都有局限性。当目标位置改变时，无模型强化学习很难传递学习到的信息，但在单目标任务中达到了很高的渐近精度。基于模型的强化学习可以通过保留显式学习的状态动态来将学习到的信息转移到新的目标位置，但受限于建模这些动态的小错误在长期规划中积累的事实。在这项工作中，我们改进了无模型强化学习在多目标领域的局限性。我们通过将Floor-Warshall算法用于RL来实现这一点，并将自适应称为Floor-Warshall RL（FWRL）。该算法通过约束任意两个状态之间的最优路径的值大于或等于经由中间状态的路径的值来学习目标条件动作价值函数。在实验中，我们表明，FWRL是更有效的样本和学习更高的奖励策略，在多目标任务相比，Q学习，基于模型的RL和其他相关基线在一个表格域。
2019-01-04 cs.LG stat.ML
Safe Reinforcement Learning with Nonlinear Dynamics via Model Predictive Shielding
University of Pennsylvania（宾夕法尼亚大学）；Deapartment of Computer and Information Science（计算机与信息科学系）
强化学习是一种很有前途的方法来合成具有挑战性的机器人任务的政策。一个关键问题是如何确保学习策略的安全性-例如，步行机器人不会摔倒，或者自动驾驶汽车不会遇到障碍物。我们专注于动态已知的设置，目标是确保在模拟中训练的策略满足给定的安全约束。我们提出了一种称为模型预测屏蔽（MPS）的方法，该方法可以在学习策略和备份策略之间动态切换以确保安全性。我们证明，我们的方法保证安全性，并经验评估它的推车杆。
2020-10-21 cs.LG stat.ML
Design of a dynamic and self adapting system, supported with artificial intelligence, machine learning and real time intelligence for predictive cyber risk analytics in extreme environments, cyber risk in the colonisation of Mars
University of Oxford（牛津大学）；Cisco Research Centre（思科研究中心）；Cardiff University（卡迪夫大学）；University of Warwick（华威大学）
多个政府机构和私人组织已经承诺殖民火星。这种殖民化需要复杂的系统和基础设施，在网络攻击的情况下，修复或更换这些系统和基础设施的成本可能非常高。本文调查了深度学习算法、物联网网络安全和风险模型，并建立了数学公式，以确定开发动态和自适应的系统的最佳方法，用于在人工智能和机器学习以及边缘计算中的实时的智能的支持下进行预测性网络风险分析。本文提出了一种新的数学方法，用于集成认知引擎设计、边缘计算、人工智能和机器学习的概念，以自动化异常检测。该引擎通过应用嵌入在物联网网络边缘的人工智能和机器学习来推动一个步骤的变化，为预测性网络风险分析提供安全和功能性的实时的智能。这将增强风险分析能力，并有助于全面系统地了解部署边缘计算节点以及将人工智能和机器学习技术迁移到互联网外围和本地物联网网络时出现的机会和威胁。
2021-02-11 cs.AI cs.CR cs.CY
From Video to EEG: Adapting Joint Embedding Predictive Architecture to Uncover Saptiotemporal Dynamics in Brain Signal Analysis
本文提出EEG-VJEPA，通过将EEG视为视频序列，利用联合嵌入和自适应掩码学习空间时间表示，提升分类准确率并提供可解释的嵌入，适用于实际临床场景。
2026-03-12 cs.AI cs.CV cs.LG
Goal-Directed Behavior under Variational Predictive Coding: Dynamic Organization of Visual Attention and Working Memory
Korea Advanced Institute of Science and Technology（韩国科学技术院）；Okinawa Institute of Science and Technology（冲绳科学技术大学院大学）
心理模拟是目标导向行为的关键认知功能，因为它对于评估行为及其后果至关重要。当一个自我生成的或外部指定的目标被给定时，最有可能实现该目标的一系列行动是通过心理模拟从其他候选人中选出的。因此，更好的心理模拟会导致更好的目标导向行动计划。然而，开发心理模拟模型是具有挑战性的，因为它需要对自我和环境的了解。本文研究了如何通过自上而下的视觉注意和视觉工作记忆的动态组织，使机器人在心理上产生适当的目标导向的行动计划。为此，我们提出了一个神经网络模型的基础上变分贝叶斯预测编码，目标导向的行动规划制定潜在的意向空间的贝叶斯推理。我们的实验结果表明，有意义的认知能力，如自主自上而下的注意力的机器人末端执行器（其手），以及动态组织的无阻塞视觉工作记忆，出现。此外，我们的比较实验分析表明，引入视觉工作记忆和推理机制，使用变分贝叶斯预测编码显着提高规划足够的目标导向的行动的性能。
2019-03-12 cs.LG cs.RO
Self-Predictive Representations for Combinatorial Generalization in Behavioral Cloning
Mila；Université de Montréal（蒙特利尔大学）；Google DeepMind（谷歌DeepMind）
本文提出BYOL-γ方法，通过自预测表示近似后继表示，提升行为克隆在组合泛化任务中的泛化能力。
2026-04-19 cs.AI cs.LG
Adapting Self-Supervised Vision Transformers by Probing Attention-Conditioned Masking Consistency
Georgia Institute of Technology（佐治亚理工学院）
视觉领域自适应（DA）试图将训练的模型转移到分布偏移中看不见的未标记域，但方法通常专注于适应用监督ImageNet表示初始化的卷积神经网络架构。在这项工作中，我们将重点转移到适应对象识别的现代体系结构-越来越受欢迎的视觉Transformer（ViT）-以及基于自监督学习（SSL）的现代预训练。受最近SSL方法设计的启发，该方法基于从通过掩蔽或裁剪生成的部分图像输入中学习-无论是通过学习预测丢失的像素，还是学习对这种增强的代表性不变性-我们提出了PACMAC，一种简单的两阶段自适应算法，用于自监督ViTs。PACMAC首先对合并的源和目标数据执行域内SSL，以学习任务区分特征，然后在通过新型注意力条件掩蔽策略生成的一组部分目标输入中探测模型的预测一致性，以识别可靠的候选者进行自我训练。我们简单的方法导致了一致的性能增益竞争的方法，使用ViTs和自我监督的初始化标准的对象识别基准。代码可在https://github.com/virajprabhu/PACMAC获得
2022-06-16 cs.CV cs.LG
Goal-Conditioned Terminal Value Estimation for Real-time and Multi-task Model Predictive Control
Graduate School of Informatics, Kyoto University（京都大学信息学研究科）
针对模型预测控制计算负担大、难适配动态多任务的问题，提出结合目标条件化终值学习的MPC框架与分层控制结构，经双足倒立摆机器人实验验证可实现坡地轨迹跟踪的实时多任务控制。
2024-10-08 cs.LG cs.RO cs.SY
Predictive but Not Plannable: RC-aux for Latent World Models
Hokkaido University（北海道大学）
本文提出RC-aux，通过改进潜在世界模型的时空匹配，提升规划能力，实验表明其在目标导向任务中表现更优。
2026-05-08 cs.AI cs.CV cs.LG
Learning, Planning, and Control in a Monolithic Neural Event Inference Architecture
Cognitive Modeling Group Computer Science Department University of Tübingen（图宾根大学认知建模组计算机科学系）
该研究提出了一种单体神经事件推理架构REPRISE，通过学习动态系统的时序事件预测模型，结合回顾和前瞻推理，实现对传感器运动动态的高效预测与控制。
2019-05-02 cs.AI cs.LG cs.SY
Goal-Oriented Influence-Maximizing Data Acquisition for Learning and Optimization
University of Michigan（密歇根大学）；Columbia University（哥伦比亚大学）
GOIMDA通过反曲率实现不确定性意识的主动数据获取，适用于学习与优化任务，减少标注样本和函数评估次数。
2026-02-23 cs.LG stat.ML
Adapting Speaker Embeddings for Speaker Diarisation
Naver Corporation（NAVER公司）
本文的目标是适应扬声器嵌入解决问题的扬声器diarisation。说话人嵌入的质量对说话人拨号系统的性能至关重要。尽管如此，在该领域中的先前工作已经直接使用了仅被设计为在说话人验证任务上有效的嵌入。在本文中，我们提出了三种技术，可以用来更好地适应diarisation的扬声器嵌入：降维，基于注意力的嵌入聚合，和非语音聚类。在各种具有挑战性的数据集上进行了广泛的实验。结果表明，所有这三种技术都对Diarisation系统的性能做出了积极贡献，在基线上的Diarisation错误率方面平均相对改善了25.07%。
2021-04-07 cs.LG cs.SD eess.AS
Aggregating Concepts of Fairness and Accuracy in Prediction Algorithms
Washington University in St.\ Louis St.\ Louis MO USA；Washington University in St.\ Louis
本文针对预测算法中准确性与公平性目标冲突及多指标聚合缺乏准则的问题，基于Harsanyi经典结果论证应使用准确性与公平性指标的线性组合衡量算法价值，并在COMPAS数据集上分析了准确性-公平性权衡。
2025-07-05 cs.AI cs.LG
Toward Goal-Agnostic Joint-Embedding Predictive Control of Partial Differential Equations
University of Waterloo（滑铁卢大学）
该研究针对偏微分方程提出目标无关控制框架，基于联合嵌入预测架构，通过离线训练小型二维ViT编码器等，经模型预测路径积分控制器复用。在相关基准测试中，KE探测器规划提升奖励、降低误差，验证了潜在动力学与目标无关及校准可观测量用于状态控制的优势。
2026-08-05 cs.LG cs.SY eess.SY
Offline Policy Learning via Skill-step Abstraction for Long-horizon Goal-Conditioned Tasks
Sungkyunkwan University（成均馆大学）
针对长时程目标条件任务中奖励稀疏的挑战，提出GLvSA框架，通过技能步骤抽象离线分解目标并分层学习策略，在迷宫和厨房环境中实现高效零样本与少样本适应。
2024-08-21 cs.AI cs.LG
Goal-Oriented Bayesian Optimal Experimental Design for Nonlinear Models using Markov Chain Monte Carlo
Johns Hopkins University（约翰霍普金斯大学）；University of Michigan（密歇根大学）；Sandia National Laboratories（桑迪亚国家实验室）
本文提出一种面向预测目标的贝叶斯最优实验设计方法，用于非线性模型，通过马尔可夫链蒙特卡罗方法估计预测目标的期望信息增益，提升实验设计的效率和准确性。
2025-02-02 cs.LG stat.CO stat.ME
Autonomous Racing using Learning Model Predictive Control
University of California at Berkeley（加州大学伯克利分校）
将一种新的学习模型预测控制技术应用于自主竞速问题。控制器的目标是最小化完成一圈的时间。所提出的控制策略使用前几圈的数据，以提高其性能，同时满足安全要求。此外，提出了一种系统辨识技术来估计车辆动力学。仿真结果与高保真仿真软件CarSim所提出的控制方案的有效性。
2017-11-09 cs.LG math.OC
Goal-Oriented Lower-Tail Calibration of Gaussian Processes for Bayesian Optimization
Univ. Paris-Saclay, CNRS, CentraleSupélec, L2S, Gif-sur-Yvette, France（巴黎萨克雷大学，国家科学研究中心，中央超算实验室，L2S，法国吉夫-sur-伊夫特）
本文研究了在无噪声情况下，针对低于低阈值t的标准高斯过程模型的预测分布进行面向目标的校准，提出了一种后处理方法tcGP，以校准预测分布低于t的部分，并展示了基于此的全局优化算法在设计空间中保持密集性，实验表明相较于标准高斯过程模型和全局校准高斯过程模型，改进了低尾校准和贝叶斯优化性能。
2026-09-11 cs.LG stat.ME stat.ML
Automatic Hyperparameter Tuning Method for Local Outlier Factor, with Applications to Anomaly Detection
SAS Institute Inc.（SAS研究所）
近年来，异常检测在预测性维护、信用欺诈检测、网络入侵检测、系统故障检测等方面得到了广泛的应用。异常检测的目标是在测试数据中识别训练数据中罕见或不可见的异常行为。这是预测性维护的一个共同目标，其目的是在给定大量正常行为样本的情况下预测电器的即将发生的故障。局部离群因子（LOF）是一种用于异常检测的最新模型，但LOF的预测性能在很大程度上取决于超参数的选择。在本文中，我们提出了一种新的，启发式的方法来调整超参数LOF。使用所提出的方法调整的LOF模型在模拟和真实数据集中均表现出良好的预测性能。
2019-02-01 cs.LG stat.AP stat.ML
A Continual Validation, Updating, and Decision-Making Framework for Self-Adaptive Digital Twins via Robust Model Predictive Control: A Case Study in Additive Manufacturing
Northwestern University（西北大学）
研究针对数字孪生中概念漂移致模型退化问题，提出集成Fisher分数漂移检测器、LoRA及Mann-Whitney U检验的自适应框架，能监测模型置信度、触发微调并统计验证性能提升，经案例研究成功检测变化并恢复相关性能，维持数字孪生可信度。
2026-07-21 cs.AI cs.LG math.ST
AD-E2E-JEPA: A Joint-Embedding Predictive Architecture For End-to-End Autonomous Driving
New York University（纽约大学）；AMI Labs（AMI实验室）
本文提出AD-E2E-JEPA，通过SIGReg正则化可学习投影器大幅压缩规划补丁和嵌入维度，实现100倍推理加速并保持规划性能，在零样本规划中有效，且预训练投影器提升下游模仿学习性能。
2026-09-29 cs.AI cs.CV cs.LG
Deep Reinforcement and InfoMax Learning
McGill University（麦吉尔大学）；Mila；Microsoft Research Montréal（微软研究院蒙特利尔）；Université de Montréal（蒙特利尔大学）
我们首先假设，一个无模型的代理，其表示是预测未来状态的属性（超出预期的奖励）将更有能力解决和适应新的RL问题。为了验证这一假设，我们引入了一个基于Deep InfoMax（DIM）的目标，该目标通过最大化连续时间步内部表示之间的互信息来训练智能体预测未来。我们在几个合成环境中测试了我们的方法，在那里它成功地学习了预测未来的表示。最后，我们增加C51，一个强大的RL基线，我们的时间DIM目标，并证明了改进的性能上的持续学习任务和最近推出的Progen环境。
2020-11-16 cs.LG stat.ML
LS-AR: Future-Predictive Latent Steering in Autoregressive LLMs
University College London（伦敦大学学院）
LS-AR通过双通道架构将连续目标引导与离散令牌解码解耦，在长程检索和规划任务中显著提升性能与效率，并增强对提示注入的防御。
2026-10-05 cs.LG
An Infra-Structure for Performance Estimation and Experimental Comparison of Predictive Models in R
FCUP - LIAAD/INESC Tec（波尔图大学理学院 - 人工智能与数据科学实验室/葡萄牙国家系统与计算机工程研究所）；University of Porto（波尔图大学）
本文档描述了由R包performanceEstimation提供的基础结构，该基础结构允许估计预测任务的不同方法（工作流）的预测性能。基础设施是通用的，在这个意义上，它可以用来估计任何性能指标的值，对于不同的预测任务，即分类，回归和时间序列任务的任何工作流。该软件包还包括几个标准工作流程，允许用户轻松设置实验，限制他们需要提供的工作量和信息量。我们的软件包提供的基础设施的总体目标是促进在R环境中估计预测任务的不同建模方法的预测性能的任务。
2015-09-07 cs.LG cs.MS cs.SE
Active Learning of Discrete-Time Dynamics for Uncertainty-Aware Model Predictive Control
Tandon School of Engineering, New York University（纽约大学坦登工程学院）；University of Freiburg（弗莱堡大学）
本文提出一种自监督主动学习方法，结合离线与在线学习实时建模非线性机器人动力学，并设计不确定性感知模型预测控制器以同时优化控制性能与样本收集效率，在四旋翼真实实验中显著优于经典和自适应控制基线。
2024-08-31 cs.LG cs.RO cs.SY
